PYTHON KULLANARAK GERÇEK ZAMANLI YÜZ İFADESİ ALGILAMA

Abstract

ÖZET

Bu çalışmada, yüz ifadesi algılama sistemlerinde duygu analizi gerçek zamanlı olarak Python programı kullanılarak ele alınmaktadır. Yüz ifadelerinin doğru ve hızlı bir şekilde algılanarak duygu analizi yapılması, günümüz teknolojisinin önemli bir gereksinimi haline gelmiştir. Bu amaçla, Convolutional Neural Network (CNN) mimarisi kullanılarak yüz ifadelerinin algılanması ve duygu analizinin yüksek doğruluk oranıyla gerçekleştirilmesi hedeflenmiştir. CNN, görüntü işleme ve sınıflandırma alanlarında sağladığı yüksek doğruluk oranları nedeniyle tercih edilmiştir. Bu çalışmada, otomatik yüz ifadesi algılama ve duygu analizi sistemlerinin güvenlik, insan-bilgisayar etkileşimini, sağlık hizmetleri ve bilgisayar etkileşimleri, sağlık hizmetleri ve eğlence sektörü gibi geniş uygulama alanlarında kullanılabileceğine değinilmiştir. Geliştirilen sistem, video akışlarından elde edilen görüntüler üzerinde yüz ifadelerini tespit ederek bu ifadeleri belirli duygusal kategorilere göre sınıflandırır. Yüz ifadesi algılama sistemlerinin etkili bir şekilde çalışabilmesi için ön işleme aşaması büyük önem taşır. Bu aşamada, görüntüler yeniden boyutlandırılarak ve rotasyon gibi düzeltmeler yapılarak sistemin üzerinde çalışacağı verilerin kalitesi artırılır. Yüz algılama sistemlerinin etkili bir şekilde çalışabilmesi için ön işleme aşaması büyük önem taşımaktadır. Bu aşamada, görüntüler yeniden boyutlandırılır ve rotasyon gibi düzeltmeler yapılarak sistemin üzerinde çalışacağı verilerin kalitesi artırılır. Yüz algılama işleme, yüzün ölçeği ve yönelimi gibi faktörlerden etkilenebildiğinden dolayı bu durumlar algılamada zorluklar yaratabilir. Bu zorlukların üstesinden gelmek için çeşitli algoritmalar ve teknikler kullanılmıştır. Bu bağlamda, yüz ifadelerinin algılanması ve analiz edilmesi konusunda CNN tabanlı bir algoritma kullanılmıştır. CNN mimarisi, görüntü işleme ve sınıflandırma alanlarında yüksek doğruluk oranları sunarak kullanıcıların anlık duygusal durumlarını tespit edebilme imkanı sağlar. Bu sistem, güvenlik sistemleri, insan-bilgisayar etkileşimleri, sağlık hizmetleri ve eğlence sektörü gibi alanlarda geniş uygulama olanakları sunmaktadır. Bu çalışmanın amacı, yüz ifadelerini doğru ve hızlı bir şekilde algılayacak bir sistem geliştirerek duygu sınıflandırması yapmak ve bu sistemin farklı senaryolarda etkinliğini değerlendirmektir. Tezde kullanılan yöntemlerin detaylı analizi yapılmış ve geliştirilen sistemin performansı çeşitli duygusal kategorilerde değerlendirilmiştir. Elde edilen sonuçlar sistemin yüz ifadelerini yüksek doğruluk oranıyla tespit edebildiğini ve duygusal sınıflandırmaları doğru bir şekilde gerçekleştirebildiğini göstermektedir. Bu bulgular, yüz ifadesi algılama ve duygusal sınıflandırma alanında önemli katkılar sunmakta olup, bu alandaki gelecekteki araştırmalar için önemli bir temel oluşturmaktadır.

ABSTRACT

In this study, emotion analysis in facial expression detection systems is discussed in real time using Python software. Accurate and fast detection of facial expressions and emotion analysis has become an important requirement of today's technology. For this purpose, it is aimed to detect facial expressions and perform emotion analysis with high accuracy rate by using Convolutional Neural Network (CNN) architecture. CNN is preferred due to its high accuracy rates in image processing and classification. In this study, it is mentioned that automatic facial expression detection and emotion analysis systems can be used in a wide range of application areas such as security, human-computer interaction, healthcare and computer interactions, healthcare and entertainment sector. The developed system detects facial expressions on images obtained from video streams and classifies these expressions according to certain emotional categories. The pre-processing stage is of great importance for facial expression detection systems to work effectively. At this stage, the quality of the data on which the system will work is improved by resizing the images and making corrections such as rotation. The preprocessing stage is of great importance for face detection systems to work effectively. At this stage, the quality of the data on which the system will work is improved by making corrections such as resizing and rotation of the images. Since face detection processing can be affected by factors such as the scale and orientation of the face, these situations can create difficulties in detection. Various algorithms and techniques have been used to overcome these difficulties. In this context, a CNN-based algorithm was used to detect and analyse facial expressions. CNN architecture provides high accuracy rates in image processing and classification, enabling the detection of instantaneous emotional states of users. This system offers wide application opportunities in areas such as security systems, human-computer interactions, healthcare and entertainment industry. The aim of this study is to develop a system to accurately and quickly detect facial expressions, to classify emotions and to evaluate the effectiveness of this system in different scenarios. The methods used in the thesis are analysed in detail and the performance of the developed system is evaluated in various emotional categories. The results obtained show that the system can detect facial expressions with high accuracy and perform emotional classifications accurately. These findings provide important contributions to the field of facial expression detection and emotional classification and form an important basis for future research in this field.